基于机器视觉之铁路异物侵限分布型智能监控技术概述

  基于机器视觉之铁路异物侵限分布型智能监控技术概述
1 绪论
   
    1.1论文研究背景与意义
    随着我国铁路的跨越式发展,客运高速化和货运重载化程度不断提高,铁路运输组织模式已逐步向指挥集中、功能综合、信息共享和高度自动化的方向转变和发展,这些铁路运输发展的新形势和由此带来的铁路运输安全迫切需求对铁路行车安全保障系统提出新的挑战[1]。为适应铁路发展的新需要,建设基于高度信息共享的全覆盖、立体化、高可靠的铁路分布式智能监控系统已成为我国铁路行车安全保障体系建设的重点[2]。铁路特殊的运营环境以及其高度集中的运输组织模式同样对铁路分布式智能监控系统提出了迫切的需求。铁路恶劣的自然环境对铁路建设、运营的精确、高效与安全带来了挑战[3]。因此,需要对铁路的运营过程、安全生产以及突发事件处理实现全过程监视、预警与统一协调指挥,以保证行车安全,提高运输效率。对于运行速度高、行车密度大的铁路运营线路,列车在露天高速行驶中环境
因素不可预测,列车环境异物可能会给行车安全带来严重后果,出现意外情况时要求有快速反馈和应对的能力。一旦出现问题,则损失严重、影响大[3]。铁路异物侵限是指在轨道上所有影响到正常行车安全的障碍物,如山体滑坡、泥石流塌方等造成的道上沙石、桥梁隧道掉落的悬挂物、因报警失误仍滞留在道上作业的工务人员、相关装备以及非法上道的人畜车辆等[4]。我国铁路几种典型的铁路异物侵限事件如图 1.1 所示。
    ..
   
    1.2国内外研究现状
    在铁路安全领域,异物侵限检测报警技术己在国内外广泛使用,主要采用的方法有接触式检测和非接触式检测。接触式检测技术是用防护将轨道界限圈围起来,通过障碍物与防护的接触来进行异物侵限报警。非接触式检测技术是基于红外线、激光扫描、幕墙以及视频监视的检测,无需与异物接触,在一定范围内能精确的检测到异物侵限存在与否。因非接触式检测技术的安装方便而且灵活准确,已成为铁路异物侵限检测的主要研究和发展方
[25-27]。西方发达国家以铁路智能运输系统ERITS)为基础的铁路运营保障体系已基本建成[24, 28]scm文件。日本新干线铁路的列车运营管理自动化系统COMTARC)主要采用光缆式传感器对异物侵限进行监测,各监测点通过光信号的衰减判断是否发生侵限情况及危害程度,当达到报警控车条件时,无需调度人员人工确认,立即启动对列车限速控制[29]废五金回收。法国铁路的连续实时追踪自动化系统ASTREE)和列车自动控制系统TVM-430)主要通过设置防护监测报警实现异物侵限的检测功能,当达到报警控车条件时,实现列车限速;同时使用雷达技术来检测站台轨道空间是否有乘客侵入轨道并加以报警[31]。西班牙的马德里——巴塞罗那高速铁路在隧道口等容易发生异物侵限如落石等)的路段,安装了基于红外线光幕的落物检测系统。意大利罗马到那不勒斯的高速铁路采用微波监测方式实现异物侵限检测[30, 31],控制逻辑单元通过对被落物遮挡微波的计算,得出落物的大小,按照预设报警级别采取相应的报警措施。我国铁路的安全监控系统基本上是以《京沪高速铁路设计暂行规定》为蓝本,并借鉴法、日、德国高速铁路安全监控系统优点进行设计[32]。一般通过设置异物侵限监测报警实现异物侵限的监测,适合检测泥石流塌方或山体滑坡等可能造成的轨道上沙石,设置在公路跨铁路立交或与公路平行地段崩塌落石处。但是对轨道异物检测还是处于半自动化状态,需要人工干预。
    .
   
    2 双目机器视觉检测原理
水泥厂脱硝
   
    2.1 双目立体视觉原理
    利用两个相机从不同的位置同时拍摄目标物体的两幅图像,并借助这两幅图像中目标物体的二维信息,通过一定的运算规则来得到目标物体三维信息,这种方法就称之为双目立体视觉技术[48]。由于二维图像只包含目标物体的二维平面位置信息,仅从单幅二维图像中无法获得物体的三维位置信息如深度、高度等)。但依据双目视觉相关算法,在两幅平面信息的基础上求解,能够获得物体的深度信息,再与原来的平面位置信息相结合,得到物体的三维位置信息。对此,研究工作首先需要建立不同的相机模型,用以从二维信息解算三维位置信息。常用的双目立体视觉相机模型有平行式模型和汇聚式模型两种[45]。最为常用的标准双目视觉模型之一就是平行式模型,如图 2.1 所示,它利用两部平行放置且
内参数相同的相机而形成双目视觉系统模型。
    ..
信号处理   
    2.2 相机成像系统
    相机是机器视觉系统中实现目标物体空间位置到相机图像位置转换的关键设备。为此,需要在了解相机成像系统原理的基础上,分析相机成像模型中相机内外参数的定义及图像与现实世界坐标系转换过程。在相机针孔成像模型的基础上,只有根据表征目标物体二维图像和三维图像关系的相机参数,才能得到物体二维图像和三维图像的对应关系。需要在相机成像模型中,建立将图像二维平面和三维空间中的点放在不同参考系中度量的对应坐标系,并通过它们来获得相机的参数。机器视觉系统坐标系主要有相机图像坐标系、相机空间坐标系和世界坐标系。本章在分析双目机器视觉基本原理的基础上,根据铁路异物侵限检测图像的特点,依据两步法相机标定法设计了双目视觉异物侵限检测系统的相机标定系统,得到了视觉系统的相机内外参数,分析了基于视差原理的多幅图像实现物体三维几
何信息解算与获取方法。主要过程包括视频图像的采集、相机标定、图像预处理、对应点匹配和三维信息恢复。在图像预处理中,提出一种快速整数递推的 GCV 阈值图像去噪算法,给出了适宜于铁路异物侵限检测的图像增强和图像锐化的算法,并分析了双目视觉检测中的三维重建技术。
    ..
   
    3 轨道特征提取与二维限界确定 .... 35
    3.1 图像边缘的检测算法 ........ 35
    3.2 数学形态学边缘检测及铁轨提取 ........ 39
    3.4 小结 ...... 46
    4 基于双目视觉的铁路异物侵限检测 ...... 47
    4.1 背景估计 ........ 48
    4.2 阴影的消除 .... 49
    4.2.1 阴影特征 ...... 49
    4.2.2 HSV 空间阴影检测法 ..... 50
    4.3 基于二维图像的异物侵限识别 ....... 52
    4.4 三维检测界限的确定 ........ 58
    4.5 三维空间的异物侵限检测 ..... 64
    4.6 小结 ...... 67
    5 铁路异物侵限状态预警技术 ........ 68
    5.1 铁路异物侵限场景分析 .... 68
    5.2 模糊动态贝叶斯络理论 ..... 69
    5.3 铁路异物侵限的模糊动态贝叶斯络预测方法 .... 72
    5.4 小结 ...... 76
   
    7 铁路异物侵限分布式智能监控系统的应用
沼气储气罐   
    7.1 系统设计思路
    本文基于主动安全的理念,综合图像处理技术、络技术、分布式计算等技术,构建铁路异物侵限分布式智能监控系统,监测列车运营过程异物侵限事件和行为,降低列车运营过程的风险,保障列车运营的安全,为铁路运营安全保障技术体系的形成提供的理论、技术和平台支撑。系统以铁路异物侵限的作用机理为基础,通过系统集成和应用软件开发,实现从异物侵限的信息获取、融合与集成、综合处理、预测与预警、信息共享和多维展示的全过程,完成对铁路异物侵限的检测、识别和预警。系统设计目标是基于上述 MAS 结构模型,构建支持分布式、异构、自治的铁路异物侵限开放式智能监控系统。系统可通过监控信息的共享,实现不同层次系统之间的信息互操作,从而为异物侵限行为建模、风险评
估和预警提供数据支持。基于络规划、动态系统、智能信息处理等理论和交通安全工程学,构建异物侵限监控系统构架,设计异物侵限的智能监控单元及其软件,为铁路异物侵限监控系统的构建提供可行的技术方案。
   
   
   
乳鸽养殖
   
   
    论文完成的主要研究工作:
    1)在研究双目机器视觉检测原理的基础上,根据铁路环境异物侵限检测系统特点,依据适宜的相机标定算法建立了双目立体视觉的相机标定系统,得出了异物侵限检测系统相机的内外参数,以及基于视差原理的多幅图像实现物体三维几何信息解算与获取方法。给
出了相应的图像去噪、图像增强和图像锐化的实现算法,提出了一种快速整数递推 GCV 阈值图像的去噪算法,并分析了双目视觉中铁路异物限界的三维重建技术。
    2)研究了铁路异物侵限图像的轨道特征提取与二维限界的确定。在对比分析常用图像边缘检测算法的基础上,根据灰度形态学的基本方法特性,给出改进的抗噪膨胀腐蚀型算子,提出了基于灰度形态学的多结构元素轨道边缘检测算法,并通过实验表明了该算法能够很好的抑制噪声,且能比较清晰、完整地提取铁轨的边缘,同时也消除了轨枕,有效地实现了铁轨边缘检测。同时,结合相机内外参数给出了二维图像限界检测窗口的确定方法,缩小了异物的搜索范围,减小图像处理的计算量,能够提高系统的整体运行速度和准确率。
    3)研究了铁路异物侵限的实时检测与自动识别,在确定了图像二维限界之后,针对双目视觉检测系统获得的二维图像,进一步运用统计中值法估算出图像背景,并利用 HSV 空间阴影检测法消除了图像中阴影,然后借助动态阈值背景差分法来判断二维限界内是否有异物的存在,并排除正常通过的列车。在此基础上,通过对双目视觉图像的极线校正,提出了利用双目图像立体匹配与三维重建解算三维空间限界的方法,实现了三维限界空间内是否有异物侵限的精准判定,给出了系统的检测范围。

本文发布于:2024-09-23 04:30:43,感谢您对本站的认可!

本文链接:https://www.17tex.com/tex/4/275522.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:异物   侵限   铁路
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议